圖像修復(fù)論文可參考文獻(xiàn)

　　參考文獻(xiàn)是論文中的重要組成部分，也是寫作圖像修復(fù)論文重要的參考資料，然而作者自己查找文獻(xiàn)有相應(yīng)的難度，為此學(xué)術(shù)顧問在這里推薦了幾篇圖像修復(fù)論文可參考文獻(xiàn)，作者可作為參考：

　　文獻(xiàn)一、基于相似圖像配準(zhǔn)的圖像修復(fù)算法

　　摘要傳統(tǒng)基于紋理合成的圖像修復(fù)算法只能從破損圖像中提取有用信息,不能修復(fù)復(fù)雜結(jié)構(gòu);基于深度學(xué)習(xí)的修復(fù)算法訓(xùn)練時(shí)間長(zhǎng),紋理合成效果不理想。為解決上述問題,該文提出了一種基于相似圖像配準(zhǔn)的圖像修復(fù)算法。首先提出一種破損圖像的相似度計(jì)算方法,利用圖像的深度學(xué)習(xí)特征,在數(shù)據(jù)庫中尋找與之最為相近的圖像,為修復(fù)過程提供更多的有效信息;然后對(duì)破損圖像和相似圖像進(jìn)行配準(zhǔn),利用單應(yīng)性變換實(shí)現(xiàn)圖像空間位置的自動(dòng)粗糾正;最后使用改進(jìn)的最佳匹配塊搜索方法和匹配準(zhǔn)則來改善紋理合成效果,實(shí)現(xiàn)圖像的最終修復(fù)。仿真實(shí)驗(yàn)結(jié)果表明,該方法可以獲得較多的有用信息,產(chǎn)生良好的紋理合成效果,克服了傳統(tǒng)算法和深度學(xué)習(xí)方法的缺點(diǎn),即使對(duì)于具有復(fù)雜紋理信息和結(jié)構(gòu)的破損圖像,也能夠得到良好的修復(fù)效果。

　　關(guān)鍵詞深度學(xué)習(xí) 特征匹配 圖像修復(fù) 相似圖像 紋理合成

　　文獻(xiàn)二、融合邊緣檢測(cè)和自注意力的圖像修復(fù)方法

　　摘要針對(duì)修復(fù)后圖像邊界模糊、圖像紋理不清晰、視覺效果差的問題,提出了一種融合邊緣檢測(cè)和自注意力機(jī)制的生成式對(duì)抗修復(fù)模型.通過邊緣檢測(cè)可提取出圖像的輪廓信息,避免了修復(fù)后邊界模糊的問題;利用自注意力機(jī)制能夠捕獲圖像全局信息并生成圖像精確細(xì)節(jié)的能力,設(shè)計(jì)出融合自注意力機(jī)制的紋理修復(fù)網(wǎng)絡(luò).該模型由邊緣補(bǔ)全網(wǎng)絡(luò)和紋理修復(fù)網(wǎng)絡(luò)組成,首先,設(shè)計(jì)的邊緣補(bǔ)全網(wǎng)絡(luò)對(duì)受損圖像的邊緣進(jìn)行補(bǔ)全,得到邊緣補(bǔ)全圖像;其次,利用紋理修復(fù)網(wǎng)絡(luò)聯(lián)合補(bǔ)全的邊緣圖像對(duì)缺失區(qū)域的紋理進(jìn)行精確修復(fù).在CelebA和Place2兩個(gè)圖像數(shù)據(jù)集上對(duì)本文所建模型進(jìn)行了訓(xùn)練和測(cè)試.實(shí)驗(yàn)結(jié)果表明:本文所建模型與現(xiàn)有圖像修復(fù)方法相比,大幅提高了圖像修復(fù)的精確度,且生成的圖像更加逼真.

　　關(guān)鍵詞圖像修復(fù) 生成對(duì)抗網(wǎng)絡(luò) 自注意力機(jī)制 邊緣檢測(cè) 紋理修復(fù)

　　文獻(xiàn)三、基于譜歸一化條件生成對(duì)抗網(wǎng)絡(luò)的圖像修復(fù)算法

　　摘要基于生成對(duì)抗網(wǎng)絡(luò)的圖像修復(fù)算法在修復(fù)大尺寸缺失圖像時(shí),存在圖像失真較多與判別網(wǎng)絡(luò)性能不可控等問題,基于譜歸一化條件生成對(duì)抗網(wǎng)絡(luò),提出一種新的圖像修復(fù)算法。引入譜歸一化來約束判別網(wǎng)絡(luò)的判別性能,間接提高修復(fù)網(wǎng)絡(luò)的修復(fù)能力,并根據(jù)控制判別網(wǎng)絡(luò)性能對(duì)譜歸一化進(jìn)行理論分析。通過類別信息約束特征生成,保證修復(fù)圖像的內(nèi)容不變性,引入擴(kuò)展卷積算子對(duì)待修復(fù)圖像進(jìn)行像素級(jí)操作,解決修復(fù)圖像缺乏局部一致性的問題。在此基礎(chǔ)上,運(yùn)用PSNR、SSIM等圖像評(píng)價(jià)方法及分片Wasserstein距離、Inception分?jǐn)?shù)、流形距離度量、GAN-train和GAN-test等流形結(jié)構(gòu)相似度評(píng)價(jià)指標(biāo)對(duì)修復(fù)圖像進(jìn)行綜合評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明,與CE、GL等算法相比,該算法獲得的修復(fù)圖像在主觀感受和客觀評(píng)價(jià)指標(biāo)上均有明顯提高。

　　關(guān)鍵詞譜歸一化 條件生成對(duì)抗網(wǎng)絡(luò) 圖像修復(fù) 判別性能 圖像評(píng)價(jià)

　　以上都是圖像修復(fù)可參考的文獻(xiàn)，此外學(xué)術(shù)顧問推薦了一本圖像修復(fù)論文文獻(xiàn)投稿刊物：《山東科學(xué)》是山東省科學(xué)院主辦的自然科學(xué)綜合性學(xué)術(shù)期刊。面向高校、科研單位和各大企業(yè)的廣大科技工作者，力求及時(shí)報(bào)道國(guó)內(nèi)外未曾公開發(fā)表的具有原創(chuàng)性的自然科學(xué)各個(gè)主要領(lǐng)域在基礎(chǔ)和應(yīng)用研究方面的研究論文，前沿領(lǐng)域的綜述和研究快訊，以及有創(chuàng)新性高水平的、有重要意義的最新科研成果。

轉(zhuǎn)載請(qǐng)注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///lwbk/27891.html